CN112381800A - 一种导线直径异常识别方法、装置、电子设备和计算机可读存储介质 - Google Patents

Abstract

本发明公开一种导线直径异常识别方法、装置、电子设备和计算机可读存储介质。方法包括：对当前背景图像进行预处理，得到目标导线的背景图像以及所在分区；进行阈值分割得到第一图像，同时记载各个分区编号；对第一图像进行连通域过滤；对第一图像进行间隔装置干扰去除和相似物干扰去除，得到第二图像；在第二图像中，对于目标导线中灰度值大于黑色导线灰度值的点作为种子点，然后以种子点作为起始点进行区域生长，获取每一个导线的黑色连通域；提取黑色连通域的边沿，对相向的两条长边进行导线边沿验算，为线性度验算判断，当两条长边的线性度大于标准阈值,则判定为导线直径异常。本发明可进行有针对性且效率较高的直径异常分析识别处理。

Description

一种导线直径异常识别方法、装置、电子设备和计算机可读存 储介质

技术领域

本发明涉及导线识别技术领域，尤其涉及一种导线直径异常识别方法、装置、电子设备和计算机可读存储介质。

背景技术

目前高压输电线一般都采用钢芯铝绞线，钢芯铝绞线在低温下容易发生局部断股，具体表现为多条细股绞合成的导线的其中一条或多条细股断裂并悬挂在导线上。如果无法及时发现并维修，输电线的功率会急剧增大，还可能造成导线发生断裂，影响人身安全，造成巨大损失。

市场上出现的导线直径异常的识别方法较多，但是都是统一形式的处理方案；举例说明：公布号为CN108318773A、公布日为2018.7.24日的中国专利-一种输电导线断股检测方法及系统，该输电导线断股检测方法包括：采集视频采集设备拍摄的待检测图像；采用直线段检测算法检测待检测图像，生成备选线段集合图像；根据预设的线段长度阈值及像素平均灰度值筛选备选线段集合图像，生成导线线段集合图像；对导线线段集合图像进行二值化，生成二值化图像；利用预设的导线断股轮廓模板检测二值化图像，确定二值化图像中的导线断股位置。通过实施本发明，对输电导线断股进行检测的耗时缩短，且易于实现，满足了实际工程应用的要求；类似上述输电线断股或者直径识别方式有很多，但是这种方式针对性很差，数据处理量也很大。其中，尤其没有针对导线颜色相比图像背景中的颜色较深的导线，如何进行有针对性且效率较高的直径异常分析识别处理。

发明内容

本发明提供一种导线直径异常识别方法、装置、电子设备和计算机可读存储介质，可进行有针对性且效率较高的直径异常分析识别处理。

本发明的具体技术方案如下：

一种导线直径异常识别方法，包括：

对当前背景图像进行预处理，并分析判断得到当前背景图像中的目标导线的背景图像以及所在分区，具体操作包括：对标准背景图像的所有像素点的灰度值做加权平均计算，得到标准背景图像灰度值的加权均值；同时确定标准背景图像中灰度值大于第一灰度值的图像像素区域为标准导线区域；对标准导线区域中的像素点计算灰度值，然后进行加权平均计算，将得到的加权均值除以标准背景图像灰度值的加权均值得到标准导线比例阈值；对当前背景图像的像素点进行分区域划分，然后对分区域的像素点的灰度值做加权平均计算，得到当前分区灰度值的加权均值；同时对当前背景图像的所有像素点的灰度值做加权平均计算，得到当前背景图像灰度值的加权均值；如果当前分区灰度值的加权均值除以当前背景图像灰度值的加权均值大于标准导线比例阈值；则判定当前分区含有目标导线，进而识别目标导线的背景图像以及所在分区；

对目标导线以及所在分区进行阈值分割，同时记载各个分区编号；同时对进行阈值分割后的第一图像进行连通域过滤，以过滤背景干扰；对于进行连通域过滤后的第一图像，进行间隔装置干扰去除和相似物干扰去除，得到第二图像；

在第二图像中，对于目标导线中灰度值大于黑色导线灰度值的点作为种子点，然后以种子点作为起始点进行区域生长，获取每一个导线的黑色连通域；

提取黑色连通域的边沿，找到黑色连通域相向的两条长边进行导线边沿验算，分别对两条边沿进行线性度验算判断，当导线的黑色连通域的两条长边的线性度大于标准阈值，则判定为导线直径异常。

优选的，作为一种可实施方案；在判定导线直径异常后，还包括如下操作步骤：

确定当前导线直径异常的点对应的分区编号以及分区位置，标记分区编号以方便缩小范围对背景图像的异常分区图像进行进一步的异常分析处理。

优选的，作为一种可实施方案；进一步的异常分析处理包括如下操作步骤：

对异常分区内的当前导线直径异常进行图像识别处理，利用卷积神经网络模型结合黑色导线连通域，进行异常分析处理。

优选的，作为一种可实施方案；利用卷积神经网络模型结合黑色导线连通域，进行异常分析处理，包括如下操作步骤：

大量的调取具有各种缺陷的导线类型图像，识别其缺陷导线区域的位置；

对缺陷导线区域进行阈值分割；同时对进行阈值分割后的缺陷导线区域的图像进行连通域过滤，以过滤背景干扰；对于进行连通域过滤后的缺陷导线区域的图像，进行间隔装置干扰去除和相似物干扰去除，得到标准缺陷导线区域的图像；

在标准缺陷导线区域的图像中，对于缺陷导线中灰度值大于黑色导线灰度值的点作为种子点，然后以种子点作为起始点进行区域生长，获取每一个缺陷导线的黑色连通域；提取黑色连通域的区域形状从而确定标准导线缺陷的连通域形状图像；

保存上述标准导线缺陷的连通域形状图像，将其作为图像训练模型的训练数据集，建立卷积神经网络模型，得到训练后的测试数据集；

在训练完毕后，将异常分区内的当前导线直径异常作为卷积神经网络模型的输入图像，并通过训练后的测试数据集进行测试操作；若标准导线缺陷的连通域形状图像与输入图像的连通域匹配成功，则证明输入图像中的导线缺陷与标准导线缺陷的类型一致，由此判定输入图像中导线的缺陷类型。

优选的，作为一种可实施方案；当前导线的缺陷类型包括断股导线，分叉导线。

优选的，作为一种可实施方案；还包括对标记的分区编号以及分区位置生成标记日志进行存储。

优选的，作为一种可实施方案；还包括将标记日志进行持续更新，待当前背景图像的全部分区完成识别处理后存储完整的标记日志。

相应地，本发明还提供了一种导线直径异常识别装置，该装置包括加权计算和分区识别模块、连通域过滤模块、黑色导线连通域生成模块和黑色导线识别模块：

其中，加权计算和分区识别模块：用于对当前背景图像进行预处理，并分析判断得到当前背景图像中的目标导线的背景图像以及所在分区；加权计算和分区识别模块，具体用于对标准背景图像的所有像素点的灰度值做加权平均计算，得到标准背景图像灰度值的加权均值；同时确定标准背景图像中灰度值大于第一灰度值的图像像素区域为标准导线区域；对标准导线区域中的像素点计算灰度值，然后进行加权平均计算，将得到的加权均值除以标准背景图像灰度值的加权均值得到标准导线比例阈值；对当前背景图像的像素点进行分区域划分，然后对分区域的像素点的灰度值做加权平均计算，得到当前分区灰度值的加权均值；同时对当前背景图像的所有像素点的灰度值做加权平均计算，得到当前背景图像灰度值的加权均值；如果当前分区灰度值的加权均值除以当前背景图像灰度值的加权均值大于标准导线比例阈值；则判定当前分区含有目标导线，进而识别目标导线的背景图像以及所在分区；

连通域过滤模块，用于对目标导线以及所在分区进行阈值分割，同时记载各个分区编号；同时对进行阈值分割后的第一图像进行连通域过滤，以过滤背景干扰；对于进行连通域过滤后的第一图像，进行间隔装置干扰去除和相似物干扰去除，得到第二图像；

黑色导线连通域生成模块，用于在第二图像中，对于目标导线中灰度值大于黑色导线灰度值的点作为种子点，然后以种子点作为起始点进行区域生长，获取每一个导线的黑色连通域；

黑色导线识别模块，用于提取黑色连通域的边沿，找到所述黑色连通域相向的两条长边进行导线边沿验算(应该找到2条)，分别对两条边沿进行线性度验算判断，当导线的黑色连通域的两条长边的线性度大于标准阈值，则判定为导线直径异常。

相应地，本发明还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现上述的导线直径异常识别方法。

相对应的，本发明还提供了一种计算机可读存储介质，计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现上述导线直径异常识别方法。

本发明的有益效果为：

本发明提供了一种导线直径异常识别方法；其利用标准导线比例阈值对当前背景图像的灰度值分析，分析当前导线分区分为两个步骤，一个是随机进行分区划分，二是计算当前背景图像的各个分区的灰度值的加权均值，然后计算各个分区内的灰度值的加权均值与当前背景图像的灰度值的加权均值之间的实际比例，该实际比例如果大于标准导线比例阈值，则判定当前分区含有目标导线(即判定是可能含有黑色导线的分区区域)，进而识别目标导线的背景图像以及所在分区；研究人员发现无人机采集的背景图像往往的灰度值不同，但是；考虑到一般情况下，导线相比背景颜色较深，所以导线尤其是黑色导线的灰度值更大；但是单纯计算灰度值并不能准确的获得含有导线的图像；对此本发明通过加权均值思想结合标准导线比例阈值，以此来分别出黑色导线可能存在的位置；同时为了减少后续的图像处理运算的海量数据，将会对当前背景图像进行分区，从而获得更小范围内的导线位置；以此获得黑色导线可能存在的分区图像；然而后续还需要对黑色导线进行更加严格的计算处理；然后再利用一些列的黑色导线的连通域过滤分析得到真正的黑色导线的起始点，生成生长真正的黑色导线连通域和黑色导线区域；随后提取黑色连通域的边沿，判定黑色导线是否存直径异常；

本发明的导线直径异常识别方法，具有运算数据量更小，通过特定设计条件计算特定分区，然后利用连通域过滤以及运算处理识别得到了真正的黑色导线，为黑色导线的直径异常识别提供了更好且更高效的技术解决方案，同时大幅度提高工作效率。

本发明还提供了可实现导线直径异常识别方法的装置、电子设备及计算机可读介质，应用于不用的场景，具有适应性。

附图说明

图1为本发明的导线直径异常识别方法的流程示意图；

图2为利用卷积神经网络模型结合黑色导线连通域，进行异常分析处理的具体操作流程图；

图3为本发明的导线断股识别装置的结构示意图；

图4为本发明的电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

一种导线直径异常识别方法，可以应用于服务器，用于识别发生断股的导线。

下面将结合具体实施方式，对本发明实施例提供的一种导线直径异常识别方法进行详细的说明，如图1所示，具体步骤如下：

步骤100：对当前背景图像(待识别的图像)进行预处理，并分析判断得到当前背景图像中的目标导线的背景图像以及所在分区，具体操作包括：

对标准背景图像(没有发生导线缺陷的正常图像)的所有像素点的灰度值做加权平均计算，得到标准背景图像灰度值的加权均值；同时确定标准背景图像中灰度值大于第一灰度值的图像像素区域为标准导线区域；对标准导线区域中的像素点计算灰度值，然后进行加权平均计算，将得到的加权均值除以标准背景图像灰度值的加权均值得到标准导线比例阈值；

对当前背景图像的像素点进行分区域划分，然后对分区域的像素点的灰度值做加权平均计算，得到当前分区灰度值的加权均值；同时对当前背景图像的所有像素点的灰度值做加权平均计算，得到当前背景图像灰度值的加权均值；如果当前分区灰度值的加权均值除以当前背景图像灰度值的加权均值大于标准导线比例阈值；则判定当前分区含有目标导线，进而识别目标导线的背景图像以及所在分区；

在上述步骤中，第一灰度值是一种预设阀值状态，可以理解为“某个标准导线区域的图像像素区域所代表的标准灰度值”；如果当前的整张图像的像素点的灰度值有哪个部分图像像素区域大于第一灰度值，那将其确定为标准导线区域；随后再对标准导线区域实施进一步计算(包括后续的进一步加权处理和连通域过滤等处理)，而对于不符合标准导线区域的就丢弃数据，不再进行分析；

在上述步骤中，其中大于第一灰度值的图像像素区域可以是一个灰度值较大的区域，但是仍不能认定其作为导线分区区域的唯一标准，而是只能说明当前区域的灰度值较大可以作为标准导线区域使用；然后进一步地需要对当前标准导线区域进行该区域的加权平均计算，得到均值后再除以标准背景图像的灰度值的加权均值得到的比例，可记载为标准导线比例阈值；然后对当前背景图像的灰度值分析，分析当前导线分区分为两个步骤，一个是随机进行分区划分，二是以类似的方式计算当前背景图像的各个分区的灰度值的加权均值，然后计算各个分区内的灰度值的加权均值与当前背景图像的灰度值的加权均值之间的实际比例，该实际比例如果大于标准导线比例阈值；则判定当前分区含有目标导线(即判定是可能含有黑色导线的分区区域)，进而识别目标导线的背景图像以及所在分区；

研究人员发现无人机采集的背景图像往往的灰度值不同，但是；考虑到一般情况下，导线相比背景颜色较深，所以导线尤其是黑色导线的灰度值更大；但是单纯计算灰度值并不能准确的获得含有导线的图像；对此本实施例通过加权均值思想结合标准导线比例阈值，以此来分别出黑色导线可能存在的位置；同时为了减少后续的图像处理运算的海量数据，将会对当前背景图像进行分区，从而获得更小范围内的导线位置；以此获得黑色导线可能存在的分区图像；然而后续还需要对黑色导线进行更加严格的计算处理；

步骤200：对目标导线以及所在分区进行阈值分割进而得到第一图像，同时记载各个分区编号；同时对进行阈值分割后的第一图像进行连通域过滤，以过滤背景干扰；对于进行连通域过滤后的第一图像，进行间隔装置干扰去除和相似物干扰去除，得到第二图像；

在本实施例的上述操作步骤中，第一图像是服务器获取具有较高灰度值的导线图像，同时也是分区后得到的局部阈值分割后的图像，第一图像中还可能会拍摄到作为导线背景的山川、河流、田野等其他物体，因此，第一图像中含有干扰信息，所以需要连通域过滤，以过滤背景干扰。然后服务器对第一图像中的干扰信息进行过滤，得到第二图像；主要过滤的干扰信息包括：第一图像中的导线相似物(细长条物体)、导线上的隔离装置等。

步骤300：在第二图像中，对于目标导线中灰度值大于黑色导线灰度值的点作为种子点，然后以种子点作为起始点进行区域生长，获取每一个导线的黑色连通域；

在本发明实施例的该步操作中，需要结合初步认定的黑色导线(即目标导线)进行灰度值的进一步认定，当其中的一个点的灰度值大于黑色导线灰度值时，则认定其为黑色导线的种子点；然后以种子点作为起始点进行区域生长，获取每一个导线的黑色连通域，尤其可以得到真正黑色导线的连通域；然后进一步识别验算得到真正的黑色导线的连通域以及真正的黑色导线的图像，提取黑色连通域的边沿为后续的判定黑色导线直径异常做进一步的准备；

步骤400：提取黑色连通域的边沿，找到黑色连通域相向的两条长边进行导线边沿验算(应该找到2条)，分别对两条边沿进行线性度验算判断，当导线的黑色连通域的两条长边的线性度大于标准阈值,则判定为导线直径异常。

在本实施例中，在执行步骤400之后，还包括如下操作步骤：

确定当前导线直径异常的点对应的分区编号以及分区位置，标记所述分区编号以方便缩小范围对背景图像的异常分区图像进行进一步的异常分析处理。

其中，进一步的异常分析处理包括如下操作步骤：

对异常分区内的当前导线直径异常进行图像识别处理，利用卷积神经网络模型结合黑色导线连通域，进行异常分析处理。

如图2所示，利用卷积神经网络模型结合黑色导线连通域，进行异常分析处理，包括如下操作步骤：

大量的调取具有各种缺陷的导线类型图像，识别其缺陷导线区域的位置；

对缺陷导线区域进行阈值分割；同时对进行阈值分割后的缺陷导线区域的图像进行连通域过滤，以过滤背景干扰；对于进行连通域过滤后的缺陷导线区域的图像，进行间隔装置干扰去除和相似物干扰去除，得到标准缺陷导线区域的图像；

在标准缺陷导线区域的图像中，对于缺陷导线中灰度值大于黑色导线灰度值的点作为种子点，然后以种子点作为起始点进行区域生长，获取每一个缺陷导线的黑色连通域；提取黑色连通域的区域形状从而确定标准导线缺陷的连通域形状图像；

保存上述标准导线缺陷的连通域形状图像，将其作为图像训练模型的训练数据集，建立卷积神经网络模型，得到训练后的测试数据集；

在训练完毕后，将异常分区内的当前导线直径异常作为卷积神经网络模型的输入图像，并通过训练后的测试数据集进行测试操作；若标准导线缺陷的连通域形状图像与输入图像的连通域匹配成功，则证明输入图像中的导线缺陷与标准导线缺陷的类型一致，由此判定输入图像中导线的缺陷类型。当前导线的缺陷类型包括断股导线，分叉导线。

在本发明实施例的具体技术方案中，其还可以对标准导线缺陷进行连通域图形的识别，获取，处理，最终标准导线缺陷的连通域形状图像；保存上述标准导线缺陷的连通域形状图像，将其作为图像训练模型的训练数据集，建立卷积神经网络模型，得到训练后的测试数据集；随后训练完毕后，将对异常分区内的当前导线直径异常作为卷积神经网络模型的输入图像并进行训练后的测试数据集的测试操作；这样可以进一步地对各个分区内的导线直径异常的情况进行分析，得到异常类型分析的准确信息。

综上所述，本发明实施例中的“确定当前导线直径异常的点对应的分区编号以及分区位置，标记所述分区编号以方便缩小范围对背景图像的异常分区图像进行进一步的异常分析处理”的操作步骤与前述的步骤S100-步骤S400的技术操作环环相扣，实现了相应的技术关联，最终通过该技术手段可进一步提高识别当前黑色导线的缺陷精度。

在本实施例中，在执行“确定当前导线直径异常的点对应的分区编号以及分区位置，标记所述分区编号以方便更小范围内对背景图像的异常分区图像进行进一步的异常分析处理的同时”，还包括对标记的分区编号以及分区位置生成标记日志进行存储。当然上述标记日志需要不断实时更新，将标记日志进行持续更新，待当前背景图像的全部分区完成识别处理后存储完整的标记日志；上述标记日志可以准确无误反馈特定异常分区的位置以及编号信息，为了方便后续识别处理时更为方便。

如图3所示，基于相同的技术构思，本发明实施例还提供了一种导线直径异常识别装置，该装置包括加权计算和分区识别模块、连通域过滤模块、黑色导线连通域生成模块和黑色导线识别模块：

其中，加权计算和分区识别模块：用于对当前背景图像进行预处理，并分析判断得到当前背景图像中的目标导线的背景图像以及所在分区；加权计算和分区识别模块，具体用于对标准背景图像的所有像素点的灰度值做加权平均计算，得到标准背景图像灰度值的加权均值；同时确定标准背景图像中灰度值大于第一灰度值的图像像素区域为标准导线区域；对标准导线区域中的像素点计算灰度值，然后进行加权平均计算，将得到的加权均值除以标准背景图像灰度值的加权均值得到标准导线比例阈值；对当前背景图像的像素点进行分区域划分，然后进行分区域的像素点的灰度值计算加权平均计算，得到当前分区灰度值的加权均值；同时对当前背景图像的所有像素点的灰度值做加权平均计算，得到当前背景图像灰度值的加权均值；如果当前分区灰度值的加权均值除以当前背景图像灰度值的加权均值大于标准导线比例阈值；则判定当前分区含有目标导线，进而识别目标导线的背景图像以及所在分区；

连通域过滤模块，用于对目标导线以及所在分区进行阈值分割，同时记载各个分区编号；同时对进行阈值分割后的第一图像进行连通域过滤，以过滤背景干扰；对于进行连通域过滤后的第一图像，进行间隔装置干扰去除和相似物干扰去除，得到第二图像；

黑色导线连通域生成模块，在第二图像中，对于目标导线中灰度值大于黑色导线灰度值的点作为种子点，然后以种子点作为起始点进行区域生长，获取每一个导线的黑色连通域；

黑色导线识别模块，用于提取黑色连通域的边沿，找到黑色连通域相向的两条长边进行导线边沿验算(应该找到2条)，分别对两条边沿进行线性度验算判断，当导线的黑色连通域的两条长边的线性度大于标准阈值，则判定为导线直径异常。

基于相同的技术构思，本发明实施例还提供了一种电子设备，如图4所示，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现上述导线直径异常识别方法。

上述电子设备提到的通信总线可以是外设部件互连标准总线或扩展工业标准结构总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口用于上述电子设备与其他设备之间的通信。

存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现上述导线直径异常识别方法的步骤。在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中导线直径异常识别方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种导线直径异常识别方法，其特征在于，包括：

对当前背景图像进行预处理，并分析判断得到当前背景图像中的目标导线的背景图像以及所在分区，具体操作包括：对标准背景图像的所有像素点的灰度值做加权平均计算，得到标准背景图像灰度值的加权均值；同时确定标准背景图像中灰度值大于第一灰度值的图像像素区域为标准导线区域；对标准导线区域中的像素点计算灰度值，然后进行加权平均计算，将得到的加权均值除以标准背景图像灰度值的加权均值得到标准导线比例阈值；对当前背景图像的像素点进行分区域划分，然后对分区域的像素点的灰度值做加权平均计算，得到当前分区灰度值的加权均值；同时对当前背景图像的所有像素点的灰度值做加权平均计算，得到当前背景图像灰度值的加权均值；如果当前分区灰度值的加权均值除以当前背景图像灰度值的加权均值大于标准导线比例阈值；则判定当前分区含有目标导线，进而识别目标导线的背景图像以及所在分区；

对目标导线以及所在分区进行阈值分割，同时记载各个分区编号；同时对进行阈值分割后的第一图像进行连通域过滤，以过滤背景干扰；对于进行连通域过滤后的第一图像，进行间隔装置干扰去除和相似物干扰去除，得到第二图像；

在第二图像中，对于目标导线中灰度值大于黑色导线灰度值的点作为种子点，然后以种子点作为起始点进行区域生长，获取每一个导线的黑色连通域；

提取黑色连通域的边沿，找到黑色连通域相向的两条长边进行导线边沿验算，分别对两条边沿进行线性度验算判断，当导线的黑色连通域的两条长边的线性度大于标准阈值，则判定为导线直径异常。

2.根据权利要求1所述的导线直径异常识别方法，其特征在于，在判定导线直径异常后，还包括如下操作步骤：

确定当前导线直径异常的点对应的分区编号以及分区位置，标记分区编号以缩小范围对背景图像的异常分区图像进行进一步的异常分析处理。

3.根据权利要求2所述的导线直径异常识别方法，其特征在于，进一步的异常分析处理包括如下操作步骤：

对异常分区内的当前导线直径异常进行图像识别处理，利用卷积神经网络模型结合黑色导线连通域，进行异常分析处理。

4.根据权利要求3所述的导线直径异常识别方法，其特征在于，利用卷积神经网络模型结合黑色导线连通域，进行异常分析处理，包括如下操作步骤：

调取具有各种缺陷的导线类型图像，识别其缺陷导线区域的位置；

对缺陷导线区域进行阈值分割；同时对进行阈值分割后的缺陷导线区域的图像进行连通域过滤，以过滤背景干扰；对于进行连通域过滤后的缺陷导线区域的图像，进行间隔装置干扰去除和相似物干扰去除，得到标准缺陷导线区域的图像；

在标准缺陷导线区域的图像中，对于缺陷导线中灰度值大于黑色导线灰度值的点作为种子点，然后以种子点作为起始点进行区域生长，获取每一个缺陷导线的黑色连通域；提取黑色连通域的区域形状从而确定标准导线缺陷的连通域形状图像；

保存上述标准导线缺陷的连通域形状图像，将其作为图像训练模型的训练数据集，建立卷积神经网络模型，得到训练后的测试数据集；

在训练完毕后，将异常分区内的当前导线直径异常作为卷积神经网络模型的输入图像，并通过训练后的测试数据集进行测试操作；若标准导线缺陷的连通域形状图像与输入图像的连通域匹配成功，则证明输入图像中的导线缺陷与标准导线缺陷的类型一致，由此判定输入图像中导线的缺陷类型。

5.根据权利要求4所述的导线直径异常识别方法，其特征在于，当前导线的缺陷类型包括断股导线或分叉导线。

6.根据权利要求2所述的导线直径异常识别方法，其特征在于，还包括对标记的分区编号以及分区位置生成标记日志进行存储。

7.根据权利要求6所述的导线直径异常识别方法，其特征在于，还包括将标记日志进行持续更新，待当前背景图像的全部分区完成识别处理后存储完整的标记日志。

8.一种导线直径异常识别装置，其特征在于，该装置包括依次进行通讯连接的加权计算和分区识别模块、连通域过滤模块、黑色导线连通域生成模块和黑色导线识别模块：

其中，加权计算和分区识别模块：用于对当前背景图像进行预处理，并分析判断得到当前背景图像中的目标导线的背景图像以及所在分区；加权计算和分区识别模块，具体用于对标准背景图像的所有像素点的灰度值做加权平均计算，得到标准背景图像灰度值的加权均值；同时确定标准背景图像中灰度值大于第一灰度值的图像像素区域为标准导线区域；对标准导线区域中的像素点计算灰度值，然后进行加权平均计算，将得到的加权均值除以标准背景图像灰度值的加权均值得到标准导线比例阈值；对当前背景图像的像素点进行分区域划分，然后对分区域的像素点的灰度值做加权平均计算，得到当前分区灰度值的加权均值；同时对当前背景图像的所有像素点的灰度值做加权平均计算，得到当前背景图像灰度值的加权均值；如果当前分区灰度值的加权均值除以当前背景图像灰度值的加权均值大于标准导线比例阈值；则判定当前分区含有目标导线，进而识别目标导线的背景图像以及所在分区；

连通域过滤模块，用于对目标导线以及所在分区进行阈值分割，同时记载各个分区编号；同时对进行阈值分割后的第一图像进行连通域过滤，以过滤背景干扰；对于进行连通域过滤后的第一图像，进行间隔装置干扰去除和相似物干扰去除，得到第二图像；

黑色导线连通域生成模块，用于在第二图像中，对于目标导线中灰度值大于黑色导线灰度值的点作为种子点，然后以种子点作为起始点进行区域生长，获取每一个导线的黑色连通域；

黑色导线识别模块，用于提取黑色连通域的边沿，找到黑色连通域相向的两条长边进行导线边沿验算，分别对两条边沿进行线性度验算判断，当导线的黑色连通域的两条长边的线性度大于标准阈值，则判定为导线直径异常。

9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序，实现权利要求1-7任一所述的导线直径异常识别方法。

10.一种计算机可读存储介质，其特征在于，计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现权利要求1-7任一所述的导线直径异常识别方法。

Images